简历关键词：如何找到并正确使用

你把简历（CV）上传到招聘门户，先读它的是软件，然后才是人。申请人跟踪系统，也就是 ATS（招聘管理系统 / 申请人跟踪系统），把文件解析成字段存起来，让招聘专员用职位描述里的词搜索、排序和筛选这堆简历。有些系统会按职位给每位申请人打分并排序。有些只是存文件，筛选交给在搜索框里敲「Kubernetes」的招聘专员。很少有系统会自己发拒信。关键词覆盖不足的简历会排在靠后的位置，或者根本不出现在搜索结果里，招聘专员看都不看就翻过去了。

关键词让你在列表里往上走。职位描述列出了真正起作用的词，你的任务是把真实经历映射到这套词汇上，而不是硬塞。如果你想了解这些系统解析和排序的机制，读简历匹配算法原理。这篇只讲找词、放词，以及检查是否覆盖。

简历关键词是什么？

简历关键词，有时也叫 ATS 关键词，是招聘专员或筛选系统在决定联系谁时查找的那些词。对软件岗位来说，它们分五类。

硬技能和工具。 语言、框架、数据库和平台：Python、Go、React、PostgreSQL、Kafka、AWS。它们权重最高，因为匹配几乎是逐字的。搜「TypeScript」的招聘专员会跳过只写了「JavaScript」的简历。

职位名称。 「Software Engineer」、「Software Developer」、「Backend Engineer」和「SDE II」描述的是相近的工作，但搜其中一个会漏掉其他几个。只要符合你的经历，就用职位描述里的那个名称。

证书。 「AWS Certified Solutions Architect」、「CKA」、「Google Professional Data Engineer」。它们具体，而且容易搜。

领域术语。 业务词汇：「支付」、「PCI DSS」、「HIPAA」、「广告技术」、「KYC」、「实时竞价」。它们表明你在那个业务里交付过东西，光列技术栈做不到这一点。

软技能。 「跨职能协作」、「带人」、「干系人管理」。职位点名的就写上，但别指望它们单独能加多少分，因为大多数申请人都会这么写。

如何从职位描述里提取关键词

1. 先通读一遍，什么都不标

把握岗位的轮廓：团队、级别，以及这份工作是从零开始还是遗留系统迁移。这两种职位想从同一段经历里看到的要点并不一样。

2. 区分必备和加分

大多数职位描述会标出这两部分，或者用「must have」和「nice to have」分开。必备项只要你能拿出证据，就写进简历。加分项把你和只覆盖了基础的候选人区分开，所以有的就加上。

3. 标出名词

逐行过「要求」、「任职资格」和「职责」，标出语言、框架、工具、平台、方法和领域术语。「设计」和「负责」这类动词不如旁边的名词重要：「设计分布式系统」给你的是「分布式系统」。

4. 记下重复项

出现三次的词是招聘经理在意的。这个词应该出现在你的个人简介、至少一条经历要点和技能列表里。

5. 照着他们的说法写

职位描述说「可观测性」，你的简历说「监控」。职位描述说「RESTful API」，你的简历说「Web 服务」。关键词搜索把它们当成两回事。凡是能描述你做过的事，就用职位描述里的那个词。

6. 或者把第 2 到 5 步交给你的 LLM

把职位描述粘贴给 Claude 或 ChatGPT，用类似这样的提示词：

列出这份职位描述里的必备技能、加分技能、工具和领域术语。保留原文的确切措辞。标出出现不止一次的术语。

然后把列表和你的简历对照。Resume Matcher 把这一步打包好了。它是一个免费、开源（Apache 2.0）的 AI 工具框架（harness），你下载到自己的电脑上运行。你接入已经在用的模型，Claude、ChatGPT、Gemini、DeepSeek 或通过 Ollama 运行的本地模型都行，由那个模型从职位描述里提取必备技能、加分技能和关键词，再起草对你简历的修改。它有超过 20 万求职者在用，斯坦福大学的研究人员在一篇 ICML 2025 论文中把它用作简历评分器。

关键词放在简历的什么位置

大多数招聘专员自上而下扫：先看个人简介，再看最近一段经历，然后是技能列表。把你最强的匹配项放在他们最先看的地方。

个人简介。 顶部两三句话，用平实的叙述带上你最重要的四五个关键词。「后端工程师，六年经验，在 AWS 上用 Go 和 PostgreSQL 构建支付 API，负责生产服务的值班」一句话里点出了岗位、领域、三项技术和一种实践。

经历要点。 大多数关键词都该放在这里，挂在你做过的某件事上。「负责后端服务」让搜索无从下手。「把三个 Django 服务迁移到 FastAPI，降低了结账接口的 p95 延迟」点出了两个框架、一种实践和一个结果。以动词开头，然后写工具和结果。

技能栏。 一份分组的清单：语言、框架、基础设施、数据。列你能被面试追问的工具。如果职位同时提到一个工具和它的生态，两个都列：「Git」和「GitHub」，「Kubernetes」和「EKS」。

职位名称。 如果你的官方头衔是「Member of Technical Staff」或者某家创业公司自创的名字，在括号里补上标准名称：「Member of Technical Staff (Backend Engineer)」。保留真实头衔，以便背景调查能对上。

教育和证书。 写全称加缩写：「Certified Kubernetes Administrator (CKA)」。招聘专员两种形式都会搜。

常见的简历关键词错误

堆砌。 把职位描述的整个要求列表粘贴进技能栏，包括你没用过的工具。招聘专员会拿技能列表对照你的经历要点，没有要点支撑的技能会招来一个你答不上的面试问题。只列你能聊十分钟的。

解析器读不出的关键词。 图片里的文字、文本框、多栏表格和页眉里的内容，解析器转换文件时经常错乱或丢失。把技能和职位名称以纯文本放在正文里，导出带真实文本层的 PDF，而不是扫描件。

一份简历投所有职位。 职位描述就是一张小抄。每个职位都投同一份简历等于把它扔掉了。维护一份包含你所有经历的主简历（CV），每次申请都裁出一份定制版。

只写缩写不写全称。 招聘专员既搜「CI/CD」也搜「continuous integration」。全称写一次，之后用缩写。

白色文字。 把一块关键词用白色字体或 1pt 字号藏起来是老把戏。招聘专员一选中文字或者解析器一去掉格式就会发现，有些系统还会标记它。你冒着被悄悄拒掉的风险，换来的只是一些仍然没有经历支撑的词。

软件工程岗位的关键词示例

下面是按岗位分组的示例列表。最适合你简历的关键词是眼前那份职位描述里的，所以把这些当作备选池：挑你用过的，其余的不管。Software developer、software engineer 和 SDE 的职位都从同一个池子里取词，所以同一组表格适用于这三种头衔。

后端

技能和工具	实践	成果动词
Java, Go, Python, Node.js, Spring Boot, Django, FastAPI, PostgreSQL, MySQL, Redis, Kafka, RabbitMQ, gRPC, REST, GraphQL, Docker, AWS	API 设计、微服务、分布式系统、缓存、数据库索引、事件驱动架构、OAuth 2.0、限流、集成测试	构建、设计、迁移、扩展、降低延迟、削减成本、整合、加固、编写文档

前端

技能和工具	实践	成果动词
React, TypeScript, Next.js, Vue, Angular, Tailwind CSS, Redux, Vite, Webpack, Jest, Playwright, Cypress, Storybook, Figma	组件架构、状态管理、无障碍（WCAG）、响应式设计、Core Web Vitals、服务端渲染、设计系统、跨浏览器测试	重建、重新设计、上线、标准化、重构、缩短加载时间、减小打包体积、带人

全栈

技能和工具	实践	成果动词
TypeScript, Node.js, React, Next.js, Python, PostgreSQL, Prisma, MongoDB, Redis, REST, GraphQL, Docker, Vercel, AWS, Supabase	端到端功能负责、数据模型设计、第三方 API 集成、身份认证、CI/CD、代码评审、敏捷交付、产品分析	交付、负责、集成、原型验证、自动化、替换、维护、调试、缩短交付周期

数据与机器学习

技能和工具	实践	成果动词
Python, SQL, pandas, PyTorch, TensorFlow, scikit-learn, Spark, Airflow, dbt, Snowflake, BigQuery, Hugging Face, MLflow, LangChain, 向量数据库	特征工程、模型评估、A/B 测试、ETL/ELT 流水线、实验跟踪、微调、RAG、数据质量、MLOps	训练、评估、部署、建模、清洗、基准测试、提升准确率、生产化、分析

DevOps 与 SRE

技能和工具	实践	成果动词
Kubernetes, Terraform, AWS, GCP, Azure, Docker, Helm, Argo CD, GitHub Actions, Jenkins, Prometheus, Grafana, Datadog, Linux, Bash, Ansible	基础设施即代码、CI/CD 流水线、可观测性、事故响应、SLO 与错误预算、自动扩缩容、成本优化、灾难恢复、安全加固	搭建、自动化、迁移、容器化、监控、下线、缩短 MTTR、削减云开销、提升可用性

实践那一栏用在要点和个人简介里，工具那一栏用在技能栏，动词用来开头。一个动词配上工具和结果（「把数据摄取流水线从 cron 任务迁移到 Airflow，夜间运行时间减半」）一行就带了三个关键词。

如何检查关键词覆盖情况

手动检查

把职位描述和定制后的简历并排打开。对每个必备术语，在简历里搜索它（Ctrl+F 或 Cmd+F），标记有或没有。对每个缺失的术语，判断它是否符合你的实际情况。符合的加一条要点，不符合的放着不管。然后对加分项列表重复一遍。一份普通的职位描述不到十分钟就能过完。

你也可以把两份文档都粘贴给你的 LLM，问它职位描述里有哪些术语没在简历里出现。拿它的答案对照原文核对一下，因为模型会漏掉术语，有时还会把明明存在的词报告为缺失。

用 Resume Matcher 检查

定制完简历后，在简历生成器里打开「JD 匹配」标签页。它把职位描述和你的简历并排展示，显示职位描述的有效词汇（代码会先去掉「团队」、「经验」这类常见词）有多大比例也出现在你的简历里，并在文本中高亮这些词。这个数字是代码计算的纯关键词重合度，不涉及 AI，也不能预测任何雇主的 ATS 会怎么给你排名。Resume Matcher 不是 ATS 检测工具，也没有可以上传文件的托管版本。把百分比当作对词汇的快速检查，把高亮当作一张地图，标出职位描述里哪些词你已经在用。

在此之前运行的定制步骤带有护栏。代码会锁定你的雇主、职位、日期和学位，撤销模型引入的任何新数字，并在你保存之前，把模型从职位描述里添加的任何技能在预览中标记为高风险变更。完整列表见功能文档。

现实的目标

完全匹配既少见也没必要。目标是：你具备的技能零缺失，你不具备的技能零添加。如果职位要五年 Kubernetes 经验而你一点没有，简历上这个词只会换来一个你答不上的面试问题。如果你跑了三年 Kubernetes 却没写，把它加上就是全部工作。

保留主简历，定制副本

关键词把你的经历和职位描述的词汇连接起来。这套方法适用于任何领域；上面的表格覆盖的是软件行业，但步骤对金融或医疗同样适用。从主简历到定制 PDF 的完整流程，读如何根据职位描述定制简历。

如果这篇文章帮到了你，给 GitHub 上的 Resume Matcher 点个 Star。它由 Saurabh Rai 开发；在 GitHub、X 和 LinkedIn 上关注他。